Lääketieteen tekniikkaa nivelrikon diagnostiikkaan, ennustamiseen ja hoidon seurantaan

Nivelrikko on maailman yleisin nivelsairaus. Arviolta yli 240 miljoonalla ihmisellä on oireita aiheuttava ja toimintakykyä heikentävä nivelrikko. Pelkästään Yhdysvalloissa tämä luku on yli 32 miljoonaa. Lääketieteen teknologioiden kehittyminen tulee avaamaan täysin uudenlaisia mahdollisuuksia tämän miljoonien ihmisten elämää kuormittavan sairauden diagnostiikkaan ja hoitoon.
Professori Simo Saarakkala
Professori Simo Saarakkala (kuva: Mikko Törmänen)

Nivelrikkoa voi esiintyä missä tahansa nivelessä, mutta polvi-, lonkka- ja sorminivelet ovat kaikista yleisimpiä paikkoja. Sairauden yleisyydestä kertoo jotakin myös se, että melkein 30 %:lla yli 45-vuotiaista nähdään polven röntgenkuvassa nivelrikkomuutoksia. Näistä noin puolella on myös elämää haittaavia oireita.

Nivelrikon oireet ovat kipu, nivelen jäykkyys ja arkuus, nivelen liikerajoitteet sekä nivelen kuumotus ja turvotus. Oireet voivat olla joskus niin haastava, että jopa päivittäisten asioiden hoitaminen tulee vaikeaksi. Sairaudelle on myös tyypillistä sen aaltoileva luonne. Välillä voi olla parempia päiviä, viikkoja ja kuukausia, minkä jälkeen tulee hankalampia kausia. Sairaus ei kuitenkaan parane, vaan ajan kuluessa se usein pahenee ja kroonistuu. Uusimmissa tutkimuksissa on myös huomattu, että nivelrikkoon liittyy usein muita liitännäissairauksia, kuten masennusta, unettomuutta ja jopa sydän- ja verisuonisairauksia.

Nivelrikko aiheuttaa nivelkudoksissa merkittäviä kudosmuutoksia. Keskeisin löydös on nivelruston rappeutuminen ja kuluminen. Lääketieteen tekniikkaa on tutkimusryhmässämme hyödynnetty nivelrikon kudosmuutosten tarkempaan ymmärtämiseen.

Röntgenmikroskopia paljastaa pienimmätkin kudosmuutokset

Vuonna 2013 Euroopan tutkimusneuvosto päätti rahoittaa tutkimusryhmässämme tehtävää nivelrikkotutkimusta merkittävästi, ja tämä rahoitus mahdollisti usean tutkijan palkkaamisen tutkimusryhmään sekä röntgenmikroskoopin hankinnan Oulun yliopiston lääketieteelliseen tiedekuntaan. Röntgenmikroskopia mahdollistaa kudosten mikrorakenteiden kuvantamisen ja analysoinnin kolmiulotteisesti. Analysoinnissa voidaan käyttää apuna tekoälyä. Röntgenmikroskoopilla kudosten rakenteet voidaan nähdä jopa mikrometrin erotuskyvyllä (yksi mikrometri on millimetrin tuhannesosa). Kudosten rakennetta voidaan tarkastella tällaisella laitteella äärimmäisen tarkasti, myös kolmiulotteisesti.

Tutkimusryhmässämme on tehty paljon tutkimus- ja kehitystyötä, jotta olemme päässeet kuvaamaan ja analysoimaan nivelkudoksia tarkasti röntgenmikroskoopilla. Käytämme tutkimuksissamme usein ihmisten kudosnäytteitä, joita olemme saaneet kudosluovuttajilta tai tekonivelleikkauksen läpikäyneiltä potilailta.

Jotta pystyimme röntgenmikroskoopin avulla kuvantamaan ihmisen nivelruston mikrorakenteita, kehitimme siihen erillisen kontrastimenetelmän, jolla kuvissa saadaan nivelrustokudos näkyväksi. Menetelmän avulla nivelruston rakenne nähdään erittäin hyvin kolmiulotteisesti, ja rakenteesta pystytään erottamaan sekä rustosolut että soluväliaine. Olemme myös kehittäneet kontrastimenetelmän, jotta pystymme röntgenmikroskoopin avulla kuvantamaan ihmisen nivelkierukan mikrorakenteita. Röntgenmikroskopia soveltuu menetelmänä erittäin hyvin myös luukudoksen mikrorakenteiden kuvantamiseen. Tällöin ei tarvita erillisiä kontrastimenetelmiä, koska luukudos vaimentaa röntgensäteilyä luontaisesti hyvin ja siten myös erottuu kuvassa.

Röntgenmikroskoopilla saadut kuvat nivelen kudoksista ovat toistaiseksi käytössä ainoastaan laboratoriossa kudosnäytteillä. Tekoäly voi tuoda mahdollisuuksia tulevaisuudessa analysoida esimerkiksi luun mikrorakennetta suoraan sairaalassa käytössä olevilla kliinisillä kuvantamislaitteilla.

Tekoäly avuksi röntgenkuvien analysointiin

Olemme tutkimuksessamme kehittäneet tekoälymallin, joka ennustaa tavanomaisen röntgenlaitteen suhteellisen epätarkasta kuvasta luukudoksen todellisen mikrorakenteen. Jos tällainen ennustemalli saataisiin tulevaisuudessa riittävän tarkaksi, voisi olla mahdollista käyttää mallia antamaan luotettavan arvio luun todellisesta mikrorakenteesta suoraan ”epätarkasta” kuvasta. Näin voisi olla mahdollista havaita ja seurata nivelrikon aiheuttamia kudosmuutoksia paljon nykyistä tarkemmalla tasolla.

Nivelen röntgenkuvaus on nivelrikon diagnostiikan kulmakivi, ja se on länsimaissa käytössä kaikkialla perusterveydenhuollossa. Jos nivelrikon astetta halutaan arvioida polven röntgenkuvasta, käytetään yleensä luokittelua nollasta neljään. Luokka 0 tarkoittaa, että nivelessä ei nähdä poikkeavia muutoksia, kun taas luokka 4 tarkoittaa, että kyseessä on loppuvaiheen nivelrikko. Luokittelu on peräisin jo 1960-luvulta ja se on nimetty sen julkaisijoiden mukaan Kellgren-Lawrence-luokitukseksi, joka yleensä lyhennettään KL-luokaksi.

KL-luokittelu ei kuitenkaan kykene tunnistamaan varhaisvaiheen nivelrikkomuutoksia, eikä toisaalta suoraan kykene ennustamaan sairauden etenemistä tulevaisuudessa. Me halusimme tutkimusryhmässämme selvittää, voisiko tekoäly tuoda lisäarvoa röntgenkuvasta saatavaan informaatioon.

Vuonna 2018 kehitimme ja julkaisimme täysin automaattisen tekoälypohjaisen tietokoneohjelman polven röntgenkuvien automaattiseen nivelrikkoluokitukseen. Poikkeuksena KL-luokkiin, ohjelma antaa jokaiselle kuvalle KL-luokkien todennäköisyysjakauman, mikä voi kuvata tarkemmin nivelrikon vaikeusastetta. Sen lisäksi, että ohjelma antaa nivelrikkoluokituksen todennäköisyysjakauman, kehitimme siihen myös ominaisuuden, jolla se korostaa automaattisesti röntgenkuvasta ne alueet, joiden perusteella tekoälyalgoritmi päätyi tiettyyn luokittelutulokseen.

Kehittämämme tekoälypohjainen tietokoneohjelma kykenee luokittelemaan nivelrikon yleisen vaikeusasteen polven röntgenkuvista täysin automaattisesti samalla yhteneväisyydellä kuin kokeneet röntgenlääkärit. Teimme nimittäin tutkimuksen, missä oli mukana kaksi röntgenlääkäriä sekä algoritmi. Lopputulos oli, että lääkärit tekivät yhtä paljon virheitä kuin kehittämämme tietokonealgoritmi.

Viimeisimpien tulostemme mukaan tekoäly kykenee myös tunnistamaan ja luokittelemaan spesifisiä nivelrikkomuutoksia yleisen KL-luokan lisäksi: nivelraon kaventuma, osteofyytit (luupiikit) sekä rustonalaisen luun skleroosi (tihentymä).

Nämä tekoälyohjelman antamat lisätiedot voisivat tulevaisuudessa auttaa lääkäreitä arvioimaan varhaisvaiheiden nivelrikkomuutoksia paremmin röntgenkuvasta. Algoritmi näyttä toimivan omien testiemme mukaan myös eri väestöissä (USA vs. Suomi) ja eri röntgenlaitteilla.

Tietokoneohjelma ennustaa nivelrikon kehittymistä

Olemme myös kehittäneet tutkimusryhmässämme täysin automaattisen tekoälypohjaisen tietokoneohjelman ennustamaan sitä, kehittyykö potilaalle nivelrikko seitsemän seuraavan vuoden aikana. Tämä on oikeastaan kliinisesti vieläkin tärkeämpi kysymys kuin vain nykyinen diagnoosi.

Saavutimme tässä tutkimuksessa tekoälymallille kliinisesti hyväksyttävän suorituskyvyn kahdella itsenäisellä aineistolla. Erityisen mielenkiintoista oli, että malli pystyi myös melko hyvin löytämään sellaiset tapaukset, joissa polven röntgenkuvassa ei nähdä muutoksia seurannan alkuvaiheessa, eli niiden KL-luokka oli aluksi 0 tai 1, mutta joille sitten kehittyi selkeä nivelrikko seuranta-aikana.

Tämä on kliinisesti erittäin merkittävää. Esimerkiksi jos malli kykenisi kliinisessä työssä erottamaan sellaisen potilasryhmän, jonka röntgenkuva on aluksi normaali, mutta jolle sitten kuitenkin kehittyy nivelrikko muutamien vuosien kuluessa. Tällaisen potilasryhmän tunnistaminen olisi tärkeää, koska tähän ryhmään voitaisiin kohdentaa vaikuttavampia ja ennaltaehkäiseviä hoitotoimenpiteitä kuin sellaiseen ryhmään, jolle malli arvioi, että nivelrikko ei tule kehittymään lähivuosien aikana.

Tekoälyn avulla voi siis olla mahdollista erottaa tulevaisuudessa ne potilasryhmät, joiden sairaus etenee nopeasti. Lisätutkimusta kuitenkin tarvitaan, ennen kuin tekoäly voi olla rutiinissa kliinisessä käytössä. Tarvitsemme muun muassa validointia suomalaisella potilasaineistolla. Lisäksi röntgenkuva on vain yksi osa nivelrikon diagnostiikkaa. Tulevaisuudessa onkin tärkeää yhdistää ennustemalliin röntgenkuvan lisäksi myös muuta tietoa mallin suorituskyvyn parantamiseksi, esimerkiksi tietoa verikokeista, oireista ja toimintakyvystä.

Tutkimuksesta uutta liiketoimintaa

Olemme röntgenkuvauksen lisäksi tutkineet myös muita helppokäyttöisiä diagnostiikkamenetelmiä nivelrikkoon. Vuosina 2016-2019 kehitimme Business Finlandin rahoituksella uudenlaisen laitteen polven nivelvaivojen seurantaan. Tässä laitteessa on kolme eri sensoria: kinetiikka- eli liikeanturit, lämpötilan mittaus sekä mikrofoni nivelten äänten kuuntelemiselle. Laitetta voi käyttää esimerkiksi kävelytestin aikana. Se näyttää mm. onko polven liikkuvuus normaalia, kuuluuko polvesta rahinaa, sekä nouseeko polven ihon pintalämpötila normaalia suuremmaksi, mikä voi kertoa tulehdustilasta.

Business Finlandin projektin aikana kehitettiin laitteen prototyyppi, jonka jälkeen eräs silloinen tutkijamme perusti oman spin-off-yrityksen. Yritys toimii nykyisin Sveitsissä ja on parhaillaan tekemässä kliinisiä testejä uusimmalla laiteversiolla. Tavoitteena yrityksellä on tulevaisuudessa myydä polven mittauslaitteita diagnostiikka- ja kuntoutustarkoituksiin.

Kirjoitus perustuu professori Simo Saarakkalan pitämään juhlaluentoon lääketieteellisen tiedekunnan professoriluentotilaisuudessa huhtikuussa 2023

Simo Saarakkala ja Jerome Thevenot tarkkailevat tarkkailevat  polven nivelvaivojen seurantaan tarkoitetun laitteen prototyyppiä kävelytestin aikana.

Kuva: Nivelrikkotutkimukset ovat poikineet myös uutta liiketoimintaa. Kuvassa professori Simo Saarakkala ja aiemmin tutkijana Oulun yliopistossa työskennellyt Jérôme Thevenot tarkkailevat polven nivelvaivojen seurantaan tarkoitetun laitteen prototyyppiä kävelytestin aikana. Yritys toimii nykyisin Sveitsissä ja on parhaillaan tekemässä kliinisiä testejä uusimmalla laiteversiolla (kuva: Juha Sarkkinen).

Kirjoittajat

Professori Simo Saarakkala
Simo Saarakkala
Professor, Head of Research Unit
Research Unit of Health Sciences and Technology
Oulun yliopisto

Professori Simo Saarakkalan tutkimusaiheita ovat lääketieteen tekniikan sekä tekoälyn sovellukset tuki- ja liikuntaelinsairauksien – erityisesti nivelrikon - diagnostiikassa sekä hoidon seurannassa. Lisäksi hän toimii lääketieteen tekniikan ja terveystieteiden tutkimusyksikön johtajana lääketieteellisessä tiedekunnassa sekä Infotech Oulu -fokusinstituutin tieteellisenä johtajana.